这是一个使用Pytork在MTCNN和LPRNet中进行的两阶段轻量级的车牌识别。MTCNN是一种非常著名的实时检测模型,主要用于人脸识别。它被修改用于车牌检测。LPRNet是另一种实时端到端DNN,用于后续识别。该网络性能优越,计算量小,无需进行初步字符分割。在这项工作中嵌入了空间变换层,以便更好地识别特征。在Nivida Quadro P4000上,在CCPD基础数据集上的识别准确率高达99%,每幅图像约80ms。
Training on LPRNet
run 'LPRNet/data/preprocess.py' to prepare the dataset
run 'LPRNet/LPRNet_Train.py' for training
Test
run 'MTCNN/MTCNN.py' for license plate detection
run 'LPRNet/LPRNet_Test.py' for license plate recognition
run 'main.py' for both